摘要:
作者指出,传统的卷积神经网络在处理稀疏数据时表现不佳,即使网络被告知缺失数据的位置也是如此。为了解决这个问题,作者提出了一种简单但有效的稀疏卷积层(sparse convolution layer)。这种层在进行卷积操作时显式地考虑了缺失数据的位置。通过在合成数据和真实数据上的实验,作者展示了所提出的网络架构相比于各种基线方法的优势。与密集数据基线相比,所提出的稀疏卷积网络在新数据集上表现出良好的泛化能力,并且对数据的稀疏级别不敏感。
总的来说,这篇论文提出了一种新的稀疏卷积层,用于改善卷积神经网络在处理稀疏输入时的性能,特别是在深度上采样任务中。通过实验验证了其有效性,并提供了一个新的数据集以促进这一领域的研究和应用。